基于特征匹配的图像拼接系统的实现

发布时间：2021-12-19 05:51

　　图像拼接技术就是把拍摄得到的图像序列合成一幅大图像,使其能够很好地满足人们在日常生活、工作、学习中对宽视野图像的需求。其实质就是利用待拼接图像间的空间变换关系,将待拼接图像进行配准,之后再把待拼接图像映射到同一坐标系下,进而形成一幅宽视野的图像。图像配准是图像拼接技术的核心。配准方法可分为三类:利用图像灰度信息进行配准、利用图像变换域进行配准、利用图像特征点进行配准。利用图像特征点进行配准的方法有如下优点:1、特征点的提取过程可以减少噪声的影响,对图像遮挡、光照变化等都有较好的鲁棒性。2、特征点的数量要比图像像素点的数量少得多,利用特征点进行匹配可以降低配准过程的计算量。3、特征点的匹配度量值受畸变的影响较小,进而可以提高配准的精度。因此,本文将利用图像特征点的配准方法来实现图像的配准。SIFT（Scale-Invariant Feature Transform）特征在图像的众多特征中具有良好的性质,其不仅对方向不敏感,而且对旋转、尺缩等变换都具有较强的鲁棒性。但由于SIFT算法提取的关键点存在很大的冗余性,特征点分布随机,导致计算量较大,运行效率较低。而SURF（Speeded-up... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：101 页

【学位级别】：硕士

【部分图文】：

（a）~（d）为四幅待拼接的图像；（e）、（f）分别为（c）、（d）的SURF特征

图 5-5 五张待拼接图像首先进行 SURF 特征检测。金字塔的组数设置为 3，每组的层数为 4，Hessian 矩阵的响应阈值Th设置为 300。实验结果如图 5-6 所示。图 5-6 SURF 特征检测结果图得到特征点后，利用 FLANN 算法，进行特征匹配。最近邻与次近邻比值的阈值Thre 设置为 0.5。匹配结果如图 5-7 所示。

5.1.2 拼接过程展示如图 5-5 所示，为五张待拼接的图像。待拼接图像间不仅有旋转运动，还有一定程度的仰角变化。图 5-5 五张待拼接图像首先进行 SURF 特征检测。金字塔的组数设置为 3，每组的层数为 4，Hessian 矩阵的响应阈值Th设置为 300。实验结果如图 5-6 所示。


本文编号：3543877